基于dwt和主成分分析壓縮的零水印嵌入、提取方法及裝置的制造方法
【專利摘要】本發(fā)明涉及基于DWT和主成分分析壓縮的零水印嵌入、提取方法及裝置，在嵌入水印時，利用改進的Arnold變換對原始水印進行變換，然后采用離散小波變換和主成分分析壓縮的方法，得到壓縮圖像，接著將壓縮圖像和置亂后的水印圖像進行異或運算，得到特征矩陣。在提取水印時，對含有零水印的載體圖像首先進行離散小波變換，然后運用主成分分析壓縮方法對低頻子帶圖像進行壓縮處理，將得到的矩陣與特征矩陣進行異或運算，得出置亂后的水印圖像，然后再用反Arnold變換公式，得到原始水印圖像。本發(fā)明的方法和裝置不僅使零水印的構(gòu)造和提取變得容易實現(xiàn)，且有效提高了水印的安全性和抗攻擊能力。
【專利說明】
基于DWT和主成分分析壓縮的零水印嵌入、提取方法及裝置
技術(shù)領(lǐng)域
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體設(shè)及基于DWT和主成分分析壓縮的零水印嵌 入方法、提取方法及裝置。
【背景技術(shù)】
[0002] 數(shù)字圖像水印作為傳統(tǒng)加密方法的有效補充手段，利用數(shù)據(jù)嵌入方法隱藏在數(shù)字 圖像產(chǎn)品中，用W證明創(chuàng)作者對其作品的所有權(quán)，并作為鑒定、起訴非法侵權(quán)的依據(jù)，同時 通過對水印的檢測和分析保證數(shù)字信息的完整可靠性，從而成為知識產(chǎn)權(quán)保護和數(shù)字多媒 體防偽的有效手段，近年來引起了人們的高度重視，也已成為國際學(xué)術(shù)界研究的一個熱點。 同時，數(shù)字圖像置亂加密又是使用信息隱藏技術(shù)進行隱蔽通信的基礎(chǔ)性工作，數(shù)字圖像置 亂加密作為信息隱藏前的預(yù)處理手段，不僅可W對信息進行加密，而且在增強秘密信息的 不可感知性、提高隱蔽通信的抗攻擊性能力W及增加隱蔽信道的容量等方面都具有一定的 作用。水印圖像置亂加密技術(shù)是指發(fā)送方借助數(shù)學(xué)或其他領(lǐng)域的技術(shù)，對一幅有意義的數(shù) 字圖像作變換使之變成一幅雜亂無章的圖像再用于傳輸;在圖像傳輸過程中，非法截獲者 無法從雜亂無章的圖像中獲得原圖像信息，從而達到圖像加密的目的，而接收方經(jīng)過解密， 可恢復(fù)原圖像。為了確保圖像的機密性，置亂過程中一般引入密鑰。目前研究使用較多的置 亂變換主要有Arno Id變換、Fibonacci與Fibonacci-Q變換、幻方變換、正交拉下方變換、 Hilbed曲線變換、Gray碼變換、仿射變換、混濁置亂變換等。圖像水印要發(fā)揮應(yīng)有的作用， 必須具備魯棒性和不可感知性兩個基本要素。水印魯棒性是指數(shù)字媒體在經(jīng)過常規(guī)的信號 處理或者外來攻擊之后，嵌入的圖像水印仍然具有較好的可檢測性。水印不可感知性是指 水印的嵌入不能影響到原始數(shù)字媒體的視覺質(zhì)量。
[0003] 圖像水印按用途可分為版權(quán)保護水印、票據(jù)防偽水印、篡改提示水印和隱藏標識 水??；按提取過程可分為盲水印和明文水??；按攻擊能力可分為魯棒性水印和脆弱性水印， 其中魯棒性水印主要應(yīng)用于數(shù)字作品版權(quán)保護，脆弱性水印要求對信號的改動敏感，主要 應(yīng)用于完整性保護;根據(jù)水印嵌入位置可W將圖像水印算法分為基于變換域算法和基于空 間域算法。隨著肝EG壓縮和肝EG2000的廣泛使用，到目前為止，有很多是基于變換域的水印 算法。根據(jù)所采用變換的不同，變換域水印算法可W分為如下幾類:基于DCT變換的圖像水 印算法、基于小波變換的圖像水印算法、基于DFT變換的魯棒性水印算法。近年來，小波域信 息隱藏技術(shù)日益受到重視，與其他的水印技術(shù)相比，小波域水印顯示出良好的魯棒性，在經(jīng) 歷了各種處理和攻擊后，如加噪、濾波、剪切、有損壓縮等，仍能保持很高的魯棒性。對于水 印的嵌入而言，小波變換的類型、水印的種類、水印嵌入的位置W及水印嵌入的強度，運四 大要素決定了水印嵌入算法的類型。在圖像水印中可將秘密數(shù)據(jù)嵌入到小波域系數(shù)W得到 良好的魯棒性。李振鵬等人撰寫的《一種基于小波變換的有意義圖像水印算法》(佳木斯大 學(xué)學(xué)報（自然科學(xué)版），2005，23(4): 525-529.)提出了一種基于小波變換域的靜態(tài)圖像數(shù)字 水印方法。該方法利用了小波分析的優(yōu)良性質(zhì)，按水印圖像小波變換后的系數(shù)塊大小對小 波變換后的載體圖像進行分塊，將分得的系數(shù)子塊按不同層次不同方向重復(fù)嵌入相應(yīng)的水 印系數(shù)塊，通過與原始載體圖像進行比較實現(xiàn)水印的提取。最后與嵌入的水印進行相關(guān)性 檢測來檢測提取出的水印是否有效。尹顯東等人撰寫的《基于混濁序列的DWT域圖像水印算 法》(信息與電子工程，2005,3(2) :81-85.)提出了一種基于混濁序列加密的頻率域數(shù)字圖 像水印算法，該算法利用小波變換的特性，選擇在較低頻子帶的重要系數(shù)中加入水印。首 先，選擇需要添加水印的子帶，并確定一組口限，構(gòu)成一組區(qū)間；其次，通過改變幅值落在運 些區(qū)間的小波系數(shù)來加載水印信息，水印為一偽隨機序列;最后，檢測時通過計算原始隨機 序列與恢復(fù)出的隨機序列的相關(guān)性來判斷水印是否存在?？臻g域圖像水印技術(shù)因其算法簡 單、速度快的優(yōu)點而成為新的研究熱點，它通過直接修改原始圖像的像素值來達到嵌入水 印的目的，但目前經(jīng)典的空間域水印算法很容易受到圖像壓縮轉(zhuǎn)換等通常的圖像處理干 擾，在對圖像進行幾何旋轉(zhuǎn)、壓縮等基本處理后，基本上已經(jīng)無法對水印進行正確提取，實 驗仿真表明該類算法的抗攻擊性不強、魯棒性較低。但是隨著主成分分析方法和零水印的 引入，在水印的嵌入和檢測過程可W充分利用圖像中的一些自然特征，運樣可W使得空間 域的水印嵌入和檢測魯棒性得到一定的提高。雖然主成分分析和各種圖像變換的結(jié)合針對 具體水印的嵌入與提取都有較好的表現(xiàn)，但是仍然存在許多問題。比如基于主成分分析的 圖像水印方法一般不可感知性很差，抗剪切和抗旋轉(zhuǎn)能力也很差，水印的保密性也有一定 的隱患；基于空間頻域變換的嵌入與提取方法的一般算法復(fù)雜度較高，抵抗攻擊能力也是 有待加強的。概括起來仍存在如下一些問題:①基于空間域的主成分分析方法嵌入水印的 位置一般都是確定好的。顯而易見，運種特點存在著容易被攻擊和容易被破解的局限性，數(shù) 字媒體產(chǎn)品受到某一種或幾種聯(lián)合攻擊后，會增加圖像水印的提取難度。當(dāng)密鑰被破解時， 非法用戶就可W刪除或篡改產(chǎn)品中嵌入的實際圖像水印，使其重新回到無版權(quán)保護的狀 態(tài)，運將嚴重侵害版權(quán)所有者的各方面的利益。②目前提出的主成分分析方案基本上都是 引用標準的主成分分析理論，水印嵌入的強度較小，僅有百分之一左右，如果再增加水印強 度，圖像的質(zhì)量就會下降，不可感知性進而變差。③水印系統(tǒng)的魯棒性是評估水印系統(tǒng)承載 常規(guī)處理能力的標準，運對于水印極為重要。現(xiàn)有數(shù)字圖像水印檢測方法將注意力放在對 抗常規(guī)信號處理(如有損壓縮、低通濾波、噪聲干擾等）的研究上，而諸如旋轉(zhuǎn)、縮放、平移、 行列去除、剪切等幾何攻擊的抵抗效果不是很好;主成分分析與變換域相結(jié)合，雖然可W有 效提高水印檢測的魯棒性，但運些算法對剪切、旋轉(zhuǎn)等攻擊的魯棒性還存在一些不足。劉小 鳳撰寫的《基于主成分分析的圖像數(shù)字水印算法的研究》（中南林業(yè)科技大學(xué)碩±學(xué)位論 文，2010.)提出了基于主成分分析的數(shù)字圖像水印技術(shù)，通過對圖像塊的像素點進行主成 分分析，然后將水印信息嵌入到主成分的得分系數(shù)中，但是此類算法對旋轉(zhuǎn)攻擊比較敏感， 只能抵抗輕微的旋轉(zhuǎn)攻擊，水印的魯棒性也較差。Imran M.和化afoor A.撰寫的文獻《A PCA-DWT-SVD based color image Wate-rmarking》（2012IEEE International Conference on Systems ,Man,and 切bernetics ,2012,1147-1152.)提出了一種基于PCA- DWT-SVD彩色圖像水印方案，其通過主成分分析來分析不關(guān)聯(lián)彩色圖像的R、G和B信道，然后 將水印圖像嵌入到信道的離散小波分解后的奇異值中；主成分分析變換后，各主成分不相 關(guān)，經(jīng)過反變換重構(gòu)信號，不會造成誤差累積，但是運些主成分并不獨立，存在高階冗余信 息，且需要經(jīng)過多次變換，計算量大，產(chǎn)生誤差的不可控因素增加。
[0004]文獻《一種基于PCA和DWT的強魯棒數(shù)字水印算法》(作者:鄭秋梅等，期刊：中國石 油大學(xué)學(xué)報，2016,40(1))公開了一種采用主成分分析和離散小波變換數(shù)字水印算法，該方 法首先對載體圖像進行一級小波分解，在低頻子帶上用主成分分析提取出既含有高頻又含 有低頻成分的主成分系數(shù)，將水印嵌入到提取出的主成分系數(shù)中。該方法把PCA和DWT技術(shù) 用在了傳統(tǒng)的數(shù)字水印技術(shù)中，依然存在對旋轉(zhuǎn)攻擊比較敏感，只能抵抗輕微的旋轉(zhuǎn)攻擊， 水印的魯棒性也較差的問題。
[0005] 零水印是一種不改變圖像內(nèi)容，利用圖像重要特征構(gòu)造水印信息的算法，有效地 解決了水印算法不可感知性、魯棒性和嵌入容量相互制約的問題?，F(xiàn)有的零水印算法主要 包括基于圖像特征值的方法、基于圖像變換域的方法、基于圖像不變矩陣的方法等。但運些 方法的水印檢測闊值的確定精確度不高，而且零水印構(gòu)造和水印檢測過程也十分復(fù)雜，導(dǎo) 致整個水印嵌入與提取設(shè)備十分復(fù)雜，不利于實際應(yīng)用。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明提出了基于DWT和主成分分析壓縮的零水印嵌入、提取方法及裝置，W解決 現(xiàn)有數(shù)字水印方法在進行水印檢測與提取時困難、檢測過程復(fù)雜、魯棒性較差等問題。
[0007] 為解決上述技術(shù)問題，本發(fā)明的基于DWT和主成分壓縮的零水印嵌入方法包括： [000引1)置亂步驟:用Arnold變換算法，對原始水印圖像W做n次Arnold變換，得到置亂后 的水印圖像;
[0009] 2)離散小波變換步驟:對載體圖像I進行離散小波變換，提取低頻子帶即圖像的主 要信息，得到圖像0;
[0010] 3)運用主成分分析對圖像壓縮的步驟:運用主成分分析對圖像0進行壓縮，得到與 原始水印圖像W相同大小的壓縮圖像〇/;
[0011] 4)特征矩陣的獲取的步驟:將壓縮圖像〇/與置亂后的水印圖像r進行異或運算， 得到矩陣C，對矩陣C進行保存。
[0012] 步驟1)中用Arno 1 d變換算法，對原始水印圖像W做n次Arno 1 d變換的過程為：W原 始水印圖像的位置坐標(x〇，y〇)作為初值，映射為(Xn，yn)，其中l(wèi)《x〇《N，l《y〇《N，按照公 式
進行n次迭代，得到置亂后的水印圖像，其中a、b、c、d 和e為正整數(shù)，0為.Z/wr(4^) ,floor是向下取整函數(shù)，M為載體圖像大小，N為原始水印圖像大 N 小，n為預(yù)設(shè)值。
[0013] 步驟2)中載體圖像I離散小波變換后的低頻子帶為：
[0014]
[0015] 其中，K為^'尺度空間的剩余尺度系數(shù)序列，它是S;!經(jīng)過行列兩個方向低通濾波 后的輸出，對應(yīng)原始圖像信號在下一個尺度上的低頻概貌，h(x)為低通濾波器，k和m都是正 整數(shù)，1為列方向，i為行方向，游:為原始載體圖像在j-1尺度空間且未通過濾波器前的行方 向和列方向上的圖像信息。
[0016] 步驟3)中對圖像0進行主成分分析壓縮的實現(xiàn)方法為：
[0017] I)對圖像0的原始數(shù)據(jù)進行標準化處理得到XiJ，
[0018] 2)主成分分析通過上述標準化處理公式將輸入數(shù)據(jù)矢量Xi變換為新的矢量Si = IjTxi，主成分分析求解如下的本征問題:AiUi = Ciii，其中，i = 1，2，…，n，A是C的一個本征值， Ui是相應(yīng)的本征矢量。當(dāng)僅利用前面P個本征矢量時，主成分分析變換可W表示為S = IjTx,主 成分分析變換矩陣U是按特征值A(chǔ)大小排列的相應(yīng)特征向量U組成的變換核矩陣，用前k個最 大的特征值對應(yīng)的k個特征向量構(gòu)成新的變換矩陣化做一新的變換，
[0019]
[0020] 其中
，可由k維向量Sk代替原來的nXn維向量S，即得到圖像〇/。
[0021] 本發(fā)明的基于DWT和主成分分析壓縮的零水印提取方法包括如下步驟：
[0022] 1)對含有零水印的載體圖像進行離散小波變換，提取載體圖像的主要信息即 低頻子帶，得到圖像化；
[0023] 2)運用主成分分析將圖像化壓縮到與原始水印圖像W相同大小，得到壓縮圖像化/ ;
[0024] 3)將化/與特征矩陣C進行異或處理，得到經(jīng)Arnold變換置亂后的水印圖像:
[0025] 4)對置亂后的水印圖像進行反Arnold變換，最終得到水印圖像W。
[0026] 反Arnold變換的公式為：
[0027]
[002引 W置亂后的水印圖像的位置坐標(Xn，yn )作為初值，映射為(XO，y日），其中1《N， M' l《yn《N，其中a、d、c、d和e為正整數(shù)，峽J.加 w(^)，floor是向下取整函數(shù)，M為載體圖像大 玫 小，N為置亂后的水印圖像大小，n為預(yù)設(shè)值。
[0029] 步驟1)中含有零水印的載體圖像離散小波變換后的低頻子帶為：
[0030]
[0031] 其中，^為^'尺度空間的剩余尺度系數(shù)序列，它是5V7,!經(jīng)過行列兩個方向低通濾波 后的輸出，對應(yīng)原始圖像信號在下一個尺度上的低頻概貌，h(x)為低通濾波器，k和m都是正 整數(shù)，1為列方向，i為行方向，嫁：：為原始載體圖像在j-1尺度空間且未通過濾波器前的行方 向和列方向上的圖像信息。
[0032] 步驟2)中對圖像化進行主成分分析壓縮的實現(xiàn)方法為：
[0033] I)對圖像化的原始數(shù)據(jù)進行標準化處理得到XiJ:
[0034] 2)主成分分析通過上述標準化處理公式將輸入數(shù)據(jù)矢量Xi變換為新的矢量Si = IjTxi，主成分分析求解如下的本征問題:AiUi = CUi，其中，i = 1，2，…，n，A是C的一個本征值， Ui是相應(yīng)的本征矢量。當(dāng)僅利用前面P個本征矢量時，主成分分析變換可W表示為S = UTx,主 成分分析變換矩陣U是按特征值A(chǔ)大小排列的相應(yīng)特征向量U組成的變換矩陣，用前k個最大 的特征值對應(yīng)的k個特征向量構(gòu)成新的變換矩陣化做一新的變換，
[0035]
[0036] ，可由k維向量Sk代替原來的n Xn維向量S，即得到圖像0/。
[0037] 本發(fā)明的基于DWT和主成分分析壓縮的零水印嵌入裝置包括：
[003引置亂裝置:用Arnold變換算法，對原始水印圖像W做n次Arnold變換，得到置亂后的 水印圖像;
[0039] 第一離散小波變換裝置:對載體圖像I進行離散小波變換，提取低頻子帶即圖像的 主要信息，得到圖像0;
[0040] 第一主成分分析壓縮裝置:運用主成分分析對圖像0進行壓縮，得到與原始水印圖 像W相同大小的壓縮圖像〇/;
[0041] 特征矩陣獲取裝置:將壓縮圖像〇/與置亂后的水印圖像r進行異或運算，得到矩 陣C，對矩陣C進行保存。
[0042] 本發(fā)明的基于DWT和主成分分析壓縮的零水印提取裝置包括：
[0043] 第二離散小波變換裝置:對含有零水印的載體圖像進行離散小波變換，提取載 體圖像的主要信息即低頻子帶，得到圖像化；
[0044] 第二主成分分析壓縮裝置:運用主成分分析將圖像化壓縮到與原始水印圖像W相 同大小，得到壓縮圖像化/ ;
[0045] 水印像素值恢復(fù)裝置:將化/與特征矩陣C進行異或處理，得到經(jīng)Arnold變換置亂 后的水印圖像:
[0046] 水印圖像恢復(fù)裝置:對置亂后的水印圖像r進行反Arnold變換，最終得到水印圖 像W。
[0047] 本發(fā)明的有益效果:本發(fā)明采用離散小波變換和主成分分析壓縮的方法，得到載 體圖像的特征矩陣，然后又利用Arnold變換對原始水印進行變換，接著又用載體圖像的特 征矩陣和置亂后的水印圖像進行異或運算，得到另一特征矩陣，用做盲水印提取，運樣使水 印的提取變得容易實現(xiàn)，且在不改變載體圖像像素值的情況下，構(gòu)造出零水印，完全達到了 水印不可見性的要求。
[0048] 在提取水印時，實現(xiàn)水印的盲提取，即對含有零水印的載體圖像首先進行離散小 波變換，然后運用主成分分析壓縮方法對低頻子帶圖像進行壓縮處理，將得到的矩陣與特 征矩陣進行異或運算，得出置亂后的水印圖像，然后再用反Arnold變換公式，得到原始水印 圖像，從而實現(xiàn)水印提取。在整個零水印過程中，密鑰的數(shù)量和用到的公式都有所增加，運 樣有效提高了水印的安全性和抗攻擊能力。
[0049] 其中，運用離散小波變換(DWT)對載體圖像進行一級離散小波變換，提取其低頻分 量能夠得到載體圖像的主要信息，便于后續(xù)特征矩陣的構(gòu)造，對后續(xù)零水印的構(gòu)造及盲水 印的提取起到至關(guān)重要的作用。
[0050] 運用主成分分析壓縮的方法對經(jīng)過一級離散小波變換后的主要圖像信息進行主 成分壓縮，與傳統(tǒng)主成分分析不同的是，主成分壓縮在傳統(tǒng)主成分分析的基礎(chǔ)上加入壓縮 因子，運樣能夠?qū)⑻崛〕龅闹鞒煞謭D像與水印圖像大小一致，因此能夠與置亂的水印圖像 進行異或運算，獲得特征矩陣，特征矩陣用于零水印的構(gòu)造 W及水印的提取。
[0051] 本發(fā)明采取空間域零水印技術(shù)，零水印是一種不改變圖像內(nèi)容，利用圖像重要特 征構(gòu)造水印信息的算法，從而解決了傳統(tǒng)水印技術(shù)水印嵌入和提取繁瑣的問題。使用零水 印技術(shù)能夠完全實現(xiàn)水印的不可感知性，并且有效地增強了水印算法魯棒性，增大了水印 的嵌入容量，最重要的是，平衡了水印的不可感知性、嵌入容量和魯棒性相互制約的問題。 并且，本發(fā)明構(gòu)造零水印時采用擴頻的思想:將置亂的水印圖像的位置坐標同比例的放大， 均勻的分布在載體圖像中，避免了水印坐標集中的情況，便于更好的完全實現(xiàn)水印的不可 感知性。
[0052] 本發(fā)明對廣義的Arnold變換進行改進，利用改進的Arnold變換來尋找水印嵌入位 置和恢復(fù)原始水印位置，增加了密鑰數(shù)量W提高水印的安全度，并充分利用Arnold變換的 混濁置亂特性，實現(xiàn)將水印圖像均勻地分布到宿主圖像中。改進點在于：第一是在廣義 Arnold變換后面增加參數(shù)0，增加參數(shù)0能夠?qū)⒅脕y后的水印圖像坐標同比例的擴大到載體 圖像中；第二是利用離散標準映射的思想，在廣義Arnold變換公式中加入非線性表達式。利 用離散標準映射的思想，在廣義Arnold變換公式中加入非線性表達式，能夠改善該變換本 身所具有的擬仿射特性的不足且延長其周期，同時提高該變換的擴散能力，改善圖像置亂 效果所具有的明顯紋理特性。因此，改進的Arnold變換不僅具有周期性，而且密鑰數(shù)量增加 即提高了置亂水印的安全性，更重要的是置亂效果變好。
[0053] 本發(fā)明設(shè)置了改進的Arnold變換里面的各種密鑰參數(shù)W及主成分壓縮的壓縮因 子，從而提高了零水印嵌入與提取過程的安全性。
【附圖說明】
[0054] 圖1零水印方法與提取流程圖；
[0055] 圖2(a)原始載體圖像；
[0056] 圖2(b)原始水印圖像；
[0057] 圖2(c)含有零水印的載體圖像；
[0058] 圖3無攻擊時提取的水印圖像；
[0059] 圖4(a)變亮(+75)后的零水印載體圖像；
[0060] 圖4(b)提取圖4(a)的水印圖像；
[0061] 圖4(c)變暗(-50)后的零水印載體圖像；
[0062] 圖4(d)提取圖4(c)的水印圖像；
[0063] 圖5(a)直方圖均衡化后的零水印載體圖像；
[0064] 圖5(b)提取圖5(a)的水印圖像；
[0065] 圖5(c)圖像均衡化后的直方圖；
[0066] 圖6(a)加高斯噪聲(y = 0和〇 = 0.02)后的零水印載體圖像；
[0067] 圖6(b)提取圖6(a)的水印圖像；
[0068] 圖7(a)中值濾波(9X9)后的零水印載體圖像；
[0069] 圖7(b)提取圖7(a)的水印圖像；
[0070] 圖8(a)幾何旋轉(zhuǎn)+10°后的零水印載體圖像；
[0071] 圖8(b)提取圖8(a)的水印圖像；
[0072] 圖8(c)幾何旋轉(zhuǎn)-10°后的零水印載體圖像；
[0073] 圖8(d)提取圖8(c)的水印圖像；
[0074] 圖9(a)肝EG壓縮10%后的零水印載體圖像；
[0075] 圖9(b)提取圖9(a)的水印圖像；
[0076] 圖10(a)放大因子為2的肝EG放大后的零水印載體圖像；
[0077] 圖10(b)提取圖10(a)的水印圖像；
[007引圖11 (a)幾何切割左側(cè)100 X 300后的零水印載體Lena圖像；
[0079] 圖11(b)提取圖11(a)的水印圖像；
[0080] 圖12經(jīng)改進Arnold變換后的水印置亂圖；
[0081] 圖13(a)第二部分實驗換的原始載體Woman圖像；
[0082] 圖13 (b)含有零水印的載體Woman圖像；
[0083] 圖13(c)提取圖13(b)的水印圖像；
[0084] 圖14(a)第S部分實驗更換的水印圖像；
[0085] 圖14 (b)第S部分實驗含有零水印后的Lena載體圖像；
[0086] 圖14(c)第S部分實驗提取出的水印圖像；
[0087] 圖15(a)亮度調(diào)節(jié)(+75)提取的水印圖像；
[008引圖15(b)亮度調(diào)節(jié)(-50)的水印圖像；
[0089] 圖15(c)直方圖均衡化的水印圖像；
[0090] 圖15(d)高斯噪聲的水印圖像；
[0091] 圖15(e)中值濾波的水印圖像；
[0092] 圖15(f)JPEG壓縮10%的水印圖像；
[0093] 圖15(g)肝EG放大因子為2的水印圖像；
[0094] 圖15化)幾何剪切的水印圖像；
[0095] 圖15Q)幾何順時針旋轉(zhuǎn)10°的水印圖像；
[0096] 圖15(j)幾何逆時針旋轉(zhuǎn)10°的水印圖像；
[0097] 圖16本發(fā)明零水印方法與其他水印方法的性能比較圖。
【具體實施方式】
[0098] 下面結(jié)合附圖，對本發(fā)明的技術(shù)方案作進一步詳細說明。
[0099] 本發(fā)明的所用到的方法主要包括:水印置亂、離散小波變換(DWT)、主成分分析壓 縮。發(fā)明點在于對Arnold變換的改進，對其增加了系數(shù)0和利用離散標準映射的構(gòu)造思想增 加了f (XO)運兩者的結(jié)合，W及運用主成分分析壓縮的思想來獲得載體圖像的特征矩陣，然 后將此載體特征矩陣與置亂后的水印圖像進行異或運算，得到另一特征矩陣用做盲水印提 取，并用運種算法構(gòu)造出零水印，完全實現(xiàn)了水印圖像的不可感知性。
[0100]本發(fā)明的基于DWT和主成分分析壓縮的零水印嵌入方法實施例 [0101 ] 本實施例的零水印構(gòu)造方法包括如下步驟：
[0102] 1)置亂步驟:用Arnold變換算法，對原始水印圖像W做n次Arnold變換，得到置亂后 的水印圖像;
[0103] 2)離散小波變換步驟:對載體圖像I進行離散小波變換，提取低頻子帶即圖像的主 要信息，得到圖像0;
[0104] 3)運用主成分分析對圖像壓縮的步驟:運用主成分分析對圖像0進行壓縮，得到與 原始水印圖像W相同大小的壓縮圖像〇/;
[0105] 4)特征矩陣的獲取的步驟:將壓縮圖像〇/與置亂后的水印圖像r進行異或運算， 得到矩陣C，對矩陣C進行保存。
[0106] 下面對上述步驟進行詳細的闡述：
[0107] 對于步驟1)，本實施例中的Arnold變換算法可采用廣義Arnold變換和改進的 Arnold 變換。
[010引用廣義Arnold變換算法，對原始水印圖像W做n次Arnold迭代變換的具體過程：W 水印圖像的位置坐標(x0，y0)做為初值，映射為(Xn，yn)，其中l(wèi)《x0《N，l《y0《N，運用公式：
[0109]
[0110] 曼迭代的主體成分；其中：a，b，C，d為正整數(shù)，1 《Xn《K，l《yn《K，0 < " < ^，其保面積要求ad-l3c = l ;K為水印圖像矩陣此時的階數(shù);在此 L 要求下a，b，c，d中四個參數(shù)只有=個是獨立的，置亂后圖像大小不變;位置坐標變換后，將 水印圖像的像素值也--對應(yīng)，W '（ Xn，yn ) = W( XO，y0 )。
[0111] 與廣義Arnold變換不同，本發(fā)明改進的Arnold變換不僅設(shè)及迭代次數(shù)n，由版權(quán)人 在嵌入水印時自己設(shè)定，W及參數(shù)a、b、c、d中的任意S個，還有參數(shù)e、系數(shù)0和f(x〇)。
[0112] 首先，輸入圖像大小M*M的數(shù)字載體圖像I，作為構(gòu)造零水印的原始載體圖像，再輸 入圖像大小N*N的二值圖像W作為水印圖像，KiJ)為原始載體圖像在Q J)位置的像素值， W( i，j)為水印圖像在(i，j)位置的像素值。
[0113] 本實施例中，利用改進的Arno 1 d變換，對二值水印圖像W做n次Arno 1 d變換，W水印 圖像的位置坐標(x〇，y〇)做為初值，映射為(xn，yn)，其中l(wèi)《x〇《N，l《y〇《N，運用公式：
[0114]
[0115] 進行n次迭代(n由版權(quán)人在嵌入水印時自己設(shè)定，n-般在1至20之間取值，n太大 會使程序運行的速度變慢），其中a、b、c、d、e為正整數(shù)，置亂后圖像大小不變，打=.斯^(^-)，1 N 為載體圖像大小，N水印圖像的大小，為置亂后的水印圖像。位置坐標變換后，水印圖像的 像素值也--對應(yīng)，即W'（Xn，yn)=W(XO，y〇)。
[0116] 對于步驟2)離散小波變換:對載體圖像I進行離散小波變換，提取低頻子帶，得到 載體圖像的主要信息，得到的圖像為〇,〇是大小為為載體圖像的大?。┑膱D像。
[0117] 丑:化硫子帶an由下?lián)舻谜琁h [011 引
[0119] 其中^為^'尺度空間的剩余尺度系數(shù)序列，它是S;,!經(jīng)過行列兩個方向低通濾波后 的輸出，對應(yīng)原始圖像信號在下一個尺度上的低頻概貌，h(x)為低通濾波器，k和m都是正整 數(shù)。
[0120] 對于步驟3)運用主成分分析對圖像壓縮:運用主成分分析壓縮對圖像0壓縮到與 原始水印圖像W相同大小，得到壓縮圖像〇/。對離散小波變換后的低頻子帶進行主成分壓縮 的實現(xiàn)方法如下：
[0121 ]由圖像0得到的數(shù)據(jù)矩陣P，然后對數(shù)據(jù)矩陣P進行標準化處理：
[0122]
[012引其中4為樣本均值和Sj為標準差
，得至帖j。
[0124] 主成分分析通過數(shù)據(jù)矩陣的標準化處理，將輸入數(shù)據(jù)矢量Xi變換為新的矢量Si = IjTxi，換句話說，主成分分析求解如下的本征問題:AiUi = Ciii，i = 1，…，n
[0125] 其中，A是C的一個本征值，Ui是相應(yīng)的本征矢量。當(dāng)僅利用前面的P個本征矢量時 (對應(yīng)本征值按降序排列），主成分分析變換可W表示為:S = UTx
[0126] 其中S稱為主分量，最大特征值A(chǔ)對應(yīng)的最大特征向量y就是第一個主成分，運個特 征向量就是數(shù)據(jù)有最大方差分布的方向。第二主成分也就是第二大特征值對應(yīng)的特征向 量，數(shù)據(jù)點沿著運個方向方差有第二大變化，且運個特征向量與第一個是正交的。
[0127] 主成分分析變換矩陣U是按特征值A(chǔ)大小排列的相應(yīng)特征向量U組成的變換核矩 陣，由于能量主要集中于特征值A(chǔ)大的系數(shù)中，如果只用特征值較大的前k化<(nXn))個主 分量來近似表示S，即丟掉對應(yīng)于特征值A(chǔ)較小的系數(shù)，則對圖像質(zhì)量不會有大的影響。即用 前k個最大特征值對應(yīng)的k個特征向量構(gòu)成新的變換矩陣化做一新的變換。
[012 引
[0129] ，可由k維向量Sk(稱為主分量)代替原來的n Xn維向量S。
[0130] 本發(fā)明基于DWT和主成分分析壓縮的零水印嵌入裝置實施例
[0131] 本實施例的裝置包括
[0132] 置亂裝置:用Arnold變換算法，對原始水印圖像W做n次Arnold變換，得到置亂后的 水印圖像;
[0133] 第一離散小波變換裝置:對載體圖像I進行離散小波變換，提取低頻子帶即圖像的 主要信息，得到圖像0;
[0134] 第一主成分分析壓縮裝置:運用主成分分析對圖像0進行壓縮，得到與原始水印圖 像W相同大小的壓縮圖像〇/;
[0135] 特征矩陣獲取裝置:將壓縮圖像〇/與置亂后的水印圖像r進行異或運算，得到矩 陣C，對矩陣C進行保存。
[0136] 本發(fā)明基于DWT和主成分分析壓縮的零水印提取方法實施例
[0137] 本實施例的方法包括如下步驟：
[0138] 1)對含有零水印的載體圖像進行離散小波變換，提取載體圖像的主要信息即 低頻子帶，得到圖像化；
[0139] 2)運用主成分分析將圖像化壓縮到與原始水印圖像W相同大小，得到壓縮圖像化/ ;
[0140] 3)將化/與特征矩陣C進行異或處理，得到經(jīng)Arnold變換置亂后的水印圖像r，即 礦=4'活（'：
[0141] 4)對置亂后的水印圖像進行反Arnold變換，最終得到水印圖像W。
[0142] 反Arnold變換的公式為：
[0143]
[0144] 本發(fā)明基于DWT和主成分分析壓縮的零水印提取裝置
[0145] 本實施例的裝置包括：
[0146] 第二離散小波變換裝置:對含有零水印的載體圖像進行離散小波變換，提取載 體圖像的主要信息即低頻子帶，得到圖像化；
[0147] 第二主成分分析壓縮裝置:運用主成分分析將圖像化壓縮到與原始水印圖像W相 同大小，得到壓縮圖像化/ ;
[014引水印像素值恢復(fù)裝置:將化/與特征矩陣C進行異或處理，得到經(jīng)Arnold變換置亂 后的水印圖像:
[0149] 水印圖像恢復(fù)裝置:對置亂后的水印圖像r進行反Arnold變換，最終得到水印圖 像W。
[0150] W下給出實驗來證明本發(fā)明的可行性和有效性。
[0151 ]實驗驗證是在PC機（Winows7，Intel (R)Core(TM) i5-：3470CPU@3.20GHz，4. OGB Memory)上用MTLAB R2012a軟件編程實現(xiàn)，待嵌入圖像水印的原始數(shù)字圖像I選用Hints的 Lena灰度圖像，圖像大小為512X512,如圖2(a)所示;待嵌入的圖像水印W選用一個二值序 列圖像，圖像大小為64X64,如圖2(b)所示。
[0152] 在嵌入水印時，首先由改進Arnold變換置亂水印圖像W，密鑰參數(shù)a = 1、b = 1、C = 1 和n=i2，e = l，則d=l，得到置亂水印，接著用離散小波變換和主成分壓縮方法對載體圖像 進行壓縮來求出載體圖像的特征矩陣，然后根據(jù)置亂水印的坐標找到其在載體圖像的位置 來構(gòu)造零水??；而提取水印時，首先對含有零水印的載體圖像進行離散小波變換和主成分 壓縮然后，與特征矩陣C做異或運算，得到矩陣r，最后將該矩陣通過改進Arnold反變換得 到置亂前的水印圖像W。嵌入零水印及提取水印的過程相輔相成。
[0153] 實驗一:通過普通人群(年齡分布在50歲W下，視力正常）的肉眼對提取的水印信 號進行主觀辨別，且還可采用提取的水印與原水印的位誤差率BER指標來對提取的水印進 行客觀評價，BER越接近0，說明水印系統(tǒng)的魯棒性越高，抗攻擊能力越強，其BER表示如下
[0154]
[0巧日]式中，1 = 64，1( = 64，巧。，^和巧/(1^)分別為對應(yīng)位置上的原始水印與提取水印 的像素值，?表示按位進行的異或運算。
[0156] 嵌入實際圖像水印后的數(shù)字圖像的質(zhì)量和感知性能采用峰值信噪比PSNR來進行 評判，它表示嵌入水印信息對載體質(zhì)量的損壞程度，PSNR越大，損壞程度越小，其PSNR表示 如下
[0157]
[015引式中，m = 512，n = 512，I (i，j)和I/ (i，j)分別為原始載體圖像和加有水印的載體 圖像各點的像素值。
[0159] 圖像水印檢測結(jié)果的客觀評價還可用歸一化相關(guān)系數(shù)NC，通過載體圖像嵌入水印 前后的變化來評價水印的近似程度，相似度NC越大，說明水印的魯棒性越高，其NC表示如下
[0160]
[0161] 圖2(c)是按照本發(fā)明的方法含有零水印圖像的Lena數(shù)字圖像。從圖2(c)中可W看 到，含有零水印圖像的Lena數(shù)字圖像質(zhì)量并沒有發(fā)生任何變化，PSNR的值為38.3731，與圖2 (a)所示的原始Lena數(shù)字圖像一致，完全滿足了水印不可感知性的要求。圖3是按照本發(fā)明 的方法提取出的水印圖像，結(jié)果表明，圖2(c)的含有零水印的Lena數(shù)字圖像在未受任何攻 擊處理時，可W近乎無損地提取出嵌入的實際水印圖像，NC = O.9997,接近于1，B邸=0。因 此提取出的圖像可近似看作原始水印圖像。
[0162] 下面對圖2(c)含有零水印信息的Lena數(shù)字圖像進行多種攻擊處理，來驗證本發(fā)明 提出的基于離散小波變換和主成分壓縮的零水印的構(gòu)造與提取方法的魯棒性。
[0163] (1)簡單亮度調(diào)節(jié)
[0164] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行亮度調(diào)節(jié)處理，即將其所有像素 值分別進行加75和減50的運算，得到如圖4(a)和圖4(c)所示的水印Lena數(shù)字圖像。經(jīng)過圖 像的像素值加減處理后，從視覺上來看，水印Lena數(shù)字圖像的亮、暗度發(fā)生了明顯改變， PSNR分別下降至20.8881地和24.1632dB。用本發(fā)明的方法對圖4(a)和圖4(c)所示的水印 Lena數(shù)字圖像進行圖像水印提取，提取出的實際圖像水印分別如圖4(b)和圖4(d)所示。從 提取出的水印知，圖像水印基本不受載體圖像亮度的影響，與載體圖像未遭受攻擊時提取 出的水印圖像近似一致。此時的NC分別為O . 8995和0.8305。因此該發(fā)明算法對載體圖像的 亮度變化具有比較強的魯棒性。
[0165] (2)直方圖均衡化
[0166] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行直方圖均衡化處理，得到如圖5 (a)所示的水印Lena數(shù)字圖像。經(jīng)過直方圖均衡化處理，水印Lena數(shù)字圖像的像素值分布發(fā) 生了明顯改變，PSNR下降至18.2964dB。用本發(fā)明的方法對圖5 (a)所示的水印Lena數(shù)字圖像 進行圖像水印提取，提取出的實際圖像水印如圖5(b)所示。由結(jié)果可知，嵌入的實際圖像水 印能被較理想地提取出，NC等于0.9076。因此該提取算法對載體圖像的對比度變化具有較 強的魯棒性。圖5(c)是圖像均衡化的直方圖。
[0167] (3)疊加高斯噪聲
[0168] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行噪聲干擾，噪聲選用均值為0和 方差為0.02的高斯噪聲，得到如圖6(a)所示的含水印Lena數(shù)字圖像。用本發(fā)明的方法對圖6 (a)所示的含水印Lena數(shù)字圖像進行圖像水印提取，提取出的實際圖像水印如圖6(b)所示。 由圖6(a)可知，盡管含水印Lena數(shù)字圖像受到高斯噪聲干擾，視覺質(zhì)量受到嚴重退化，PSNR 下降至16.8466dB，但圖6(b)表明，載體圖像所含的零水印仍然具有很好的抗噪聲干擾能 力，NC = O.9986,即表明提取出的水印比較接近無攻擊時的結(jié)果。因此該提取算法對噪聲干 擾具有較好的魯棒性。
[0169] (4)中值濾波
[0170] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行中值濾波處理，濾波器窗口大小 選擇為[9X9]，得到如圖7(a)所示的水印Lena數(shù)字圖像。用本發(fā)明的方法對圖7(a)所示的 水印Lena數(shù)字圖像進行圖像水印提取，提取出的實際圖像水印如圖7(b)所示。由圖7(a)可 W看出，運時水印Lena數(shù)字圖像的細節(jié)已經(jīng)比較模糊，PSNR下降至28.4289地，但圖7(b)表 明，載體圖像所含的零水印仍具有比較理想的抗濾波能力，NC = O.9923。因此該提取算法對 濾波處理具有較好的魯棒性。
[0171] (5)幾何旋轉(zhuǎn)
[0172] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行順時針方向旋轉(zhuǎn)，角度為10%得 到如圖8 (a)所示的水印Lena數(shù)字圖像，PSNR = 12.5596地。用本發(fā)明的方法對圖8 (a)所示的 水印Lena數(shù)字圖像進行圖像水印提取，不必先將旋轉(zhuǎn)后的圖像再反向旋轉(zhuǎn)就可直接提取實 際圖像水印，如圖8(b)所示。由圖8(b)表明，本發(fā)明方法對于幾何旋轉(zhuǎn)攻擊仍具有很強的魯 棒性，嵌入的實際圖像水印能被很好地提取出來，NC = O.9691。因此該提取算法對幾何旋轉(zhuǎn) 處理具有很強的魯棒性。
[0173] (6)肝 EG 壓縮
[0174] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行肝EG有損壓縮處理，壓縮質(zhì)量因 子為10%，放大因子為2,分別得到如圖9(a)和圖10(a)所示的含有零水印圖像的Lena數(shù)字 圖像。實驗表明，運時嵌入水印圖像的Lena數(shù)字圖像呈現(xiàn)出比較明顯的方塊效應(yīng)，視覺質(zhì)量 發(fā)生了嚴重退化，PSNR分別為12.1828地和13.9425dB，用本發(fā)明的方法對含有零水印圖像 的Lena數(shù)字圖像進行圖像水印提取，提取出的實際圖像水印如圖9(b)和圖10(b)所示，但嵌 入的實際圖像水印仍具有很理想的抗肝EG有損壓縮處理能力，此時，NC的值分別為0.8799 和0.8891，均比較接近于1，邸R都為0。因此該提取算法對肝EG壓縮處理具有較強的魯棒性。
[0175] (7)幾何切割
[0176] 對圖2(c)所示的含有零水印的Lena數(shù)字圖像進行幾何切割處理，自左側(cè)開始切去 100X300個像素點，得到如圖11(a)所示的水印Lena數(shù)字圖像。用本發(fā)明的方法對圖11(a) 所示的水印Lena數(shù)字圖像進行圖像水印提取，提取出的實際圖像水印如圖11(b)所示。由圖 11 (a)可W看出，運時水印Lena數(shù)字圖像受到較大的破壞，PSNR= 13.9051地，但圖11(b)表 明，本發(fā)明方法對于幾何切割具有比較好的魯棒性，零水印仍能被很好地提取出來，NC = 0.8856。因此該提取算法對幾何切割處理具有很強的魯棒性。
[0177] 實驗二:為了驗證本發(fā)明中提取算法的普遍適用性，接下來換不同的載體圖像，所 換載體圖像包括載體的尺寸和形狀的變化，但是保持水印圖像不變，然后求出對應(yīng)的PSNR、 BER和NC值來檢驗該算法的魯棒性和不可感知性。
[0178] 運部分實驗我們在改變載體圖像且水印圖像不變的情況下，繼續(xù)測試本發(fā)明改進 的算法，新的載體圖像名稱分別為Mountain ,River、Tree ,Aeria、Baboon、Woman ,Peper、 Cameraman和Man，運些圖像都是從USC-SIPI圖像集下載而來。實驗的水印圖像仍然是如圖2 (b)所示。
[0179] 在沒有任何攻擊的條件下，計算了 PSNR、B邸和NC值，實驗結(jié)果如表1所示，即9個不 同載體圖像的魯棒性檢測結(jié)果。實驗結(jié)果表明，對不同尺寸大小的載體圖像而言，PSNR值都 很高，NC也比較接近于l，Bm?值也幾乎接近于0,可W有效地證明本發(fā)明改進的算法有很好 的魯棒性和不可感知性。
[0180] 表1不同的載體圖像對應(yīng)的PSNR、B邸和NC值
'[0182]~為了使上述測試結(jié)果更為詳細^我們從表1中選出了載體圖像胖〇11^1，水印圖像仍| 然如圖2(b)所示，載體圖像Woman如圖13(a)所示，圖13(b)就是基于本發(fā)明含有零水印后的 載體圖像，可W看出，含有零水印的圖像與原載體圖像幾乎沒有差異，PSNR值很高，達到了 34.9464地，結(jié)果充分說明了圖13(b)與13(a)是基本一致的，運完全滿足了水印的不可覺察 性W及系統(tǒng)的可適用性。
[0183]圖13(c)是使用本發(fā)明提取出水印圖像，實驗表明圖13(b)所示的含有零水印的載 體Woman在未遭受任何攻擊的情況下，可W近乎無損的提取出嵌入的實際圖像水印，此時的 NC = 0.9994，非常接近1，邸R = 0。因此，提取出的水印基本就是原始水印圖像。為了進一步 檢測本發(fā)明的方法，下面對圖13(b)所示的含有零水印的載體Woman數(shù)字圖像進行多種攻擊 處理，來驗證本發(fā)明的數(shù)字圖像水印嵌入與提取算法的魯棒性。實驗結(jié)果如表2所示。
[0184] 表2對Woman載體圖像進行各種攻擊后所得的PSNR、B邸和NC值
[0185]
[i
[0187] 實驗為了進一步驗證本發(fā)明中提取算法的普遍適用性，接下來換不同的水印 圖像分別為a、Xiaohui和hsd64,但載體Lena圖像保持不變，然后求出對應(yīng)的PSNR、B邸和NC 值來檢驗該算法的魯棒性和不可感知性。
[0188] 運部分實驗，使用如圖14(a)所示的水印圖像，但載體圖像仍然為2(a)的情況下， 類似的，在沒有進行任何攻擊處理，測試了 3個水印的魯棒性和不可感知性，其實驗結(jié)果如 表3所示。實驗結(jié)果表明，在本發(fā)明的算法下，水印的魯棒性和不可感知性是近乎完好的。
[0189] 表3換不同的水印圖像W及其對應(yīng)的PSNR、B邸和NC值 「nionl
L0191」由表3的實驗結(jié)果可知，對殷入小間水印的相間載體Lena閣像而言，其PSNR均比較 高，接近40地，說明使用本發(fā)明方法嵌入水印信息對載體圖像的損壞程度比較小;其NC值都 非常接近1，結(jié)果表明嵌入水印前后的載體圖像近似程度較高;其肥R值很接近于0。綜上可 知，本發(fā)明的方法有很好的適用性和普遍性。
[0192]為了進一步分析本發(fā)明的方法，W圖14(a)為水印圖像，圖2(a)為載體圖像，進行 零水印的構(gòu)造 W及水印的提取。圖14(b)是按本發(fā)明的方法構(gòu)造出的含有零水印的Lena數(shù) 字圖像，從圖14(b)可W看出，嵌入水印圖像后的Lena數(shù)字圖像質(zhì)量并沒有發(fā)生任何變化， PSNR很高，達到了38.2854地，與圖2(a)所示的原始Lena數(shù)字圖像基本一致，滿足了水印不 可感知性要求。圖14(c)是按照本發(fā)明的方法提取出來的水印圖像。由實驗得出NC = 0.9898,非常接近1，邸R = 0.00 37。因此，提取出的水印近似為原始水印圖像。
[0193] 下面對圖14(b)含有零水印的Lena數(shù)字圖像進行7種攻擊處理，來驗證本發(fā)明數(shù)字 圖像水印的嵌入與提取算法的魯棒性。實驗結(jié)果如表4所示。
[0194] 表4換hsd 64為水印圖像W及其對應(yīng)的PSNR、B邸和NC值
[0195]
10196]由表4實驗結(jié)果可知，本發(fā)明的方案有很強的魯棒性，特別是當(dāng)嵌入水印的載體圖 像經(jīng)過高斯噪聲(y = 〇和〇 = 0.02)時，含有零水印圖像的載體圖像，由于噪聲攻擊，改變了 嵌入水印的載體圖像的像素值而受到較大破壞，就高斯噪聲(y = 〇和〇 = 0.02)運一攻擊而 言，嵌入水印的載體圖像會受到很大的影響，而本發(fā)明的方法恰好可W避免運一缺點。使用 本發(fā)明方法提取出的水印圖像如圖15(a)至圖15(j)所示。
[0197] 實驗四：為了更深層次來驗證本發(fā)明中提取算法的適用性，接下來換不同的載體 圖像分別為Baboon、Peper、Woman，水印圖像是圖2 (b)保持不變，對嵌入水印的載體圖像進 行巧巾傳統(tǒng)信號攻擊，并求出相應(yīng)的NC值來檢驗該算法的魯棒性。
[0198] 運部分實驗主要是通過7種傳統(tǒng)信號對嵌入相同水印的不同載體攻擊，并提取相 應(yīng)的水印圖像來驗證本發(fā)明方法的魯棒性。實驗結(jié)果如表5所示，7種攻擊分別為亮度調(diào)節(jié) (+75)、亮度調(diào)節(jié)(-50)、直方圖均衡化、高斯噪聲、中值濾波、縮?。?0%)、放大(放大因子為 2)。通常情況下，NC值在0.80W上可W被接受。由表5的實驗結(jié)果可知絕大多數(shù)值都在其范 圍內(nèi)。因此，本發(fā)明的方案對運巧巾傳統(tǒng)信號攻擊均有很強的魯棒性。
[0199] 表5相同的水印換不同的載體進行攻擊后所得的NC值 [02001
[0201]
[0202] 實驗五:本部分實驗是為了測試該嵌入與提取系統(tǒng)的抗幾何攻擊的能力。對含有 零水印的載體圖像W-定的角度進行旋轉(zhuǎn)，W-定的比例進行剪切。表6列出了旋轉(zhuǎn)、剪切 的實驗結(jié)果。
[0203] 表6對含有零水印的載體圖像幾何攻擊后的NC值
[0204]
[0205] 由表6實驗結(jié)果可W觀察到，對嵌入相同水印的不同載體圖像進行幾何攻擊，其NC 都達到了 0.83W上，也就是說本發(fā)明改進的方法可W有效地抵御幾何攻擊。
[0206] 實驗六:本部分實驗是將離散小波變換、改進Arnold變換、主成分分析壓縮、零水 印分別組合，對如圖2(c)所示的含有零水印載體Lena圖像進行水印提取，其比較的實驗結(jié) 果如表7所不:。
[0207] 表7不同方案對含有零水印載體Lena圖像進行水印提取的實驗結(jié)果比較 「nonol
[0209]實驗屯:本部分實驗是與其他基于離散小波變換和主成分分析、Arnold變換有關(guān) 方案的NC值比較。本發(fā)明提出的方法與"一種基于Arnold映射的分塊雙層自適應(yīng)擴散圖像 加密算法（中國圖象圖形學(xué)報，2015，20(6):0740-0748. r、"基于分段Logistic混濁映射的 零水印算法(計算機工程與設(shè)計，2013,34(2) :464-468. )"、"小波域視覺密碼零水印算法 (中國圖象圖形學(xué)報，2014,19(3) :0365-0372.)"分別進行比較，其實驗結(jié)果如圖16所示，該 實驗是在相同的軟硬件環(huán)境下計算其對應(yīng)的NC值。載體圖像如圖2(a)所示的Lena圖像，水 印圖像如圖2(b)所示。在本部分比較測試中，5種不同的信號攻擊分別為直方圖均衡化、疊 加高斯噪聲、中值濾波、順時針旋轉(zhuǎn)10°、剪切（1 eft 251 X 251)。從圖16的比較結(jié)果可W看 出，本發(fā)明提出的基于改進Arnold變換和離散小波變換，主成分壓縮的零水印技術(shù)能夠很 好地將水印提取出來，并且在進行攻擊條件下的NC值優(yōu)于其他S種方案，雖然當(dāng)進行中值 濾波攻擊時，本方案的NC值稍低，但是還可W接受。由此說明本發(fā)明方案在抵御其他攻擊 時，也會有很好的魯棒性。
[0210] 綜上所述，本發(fā)明利用空間域圖像水印技術(shù)，基于離散小波變換和主成分分析壓 縮思想來嵌入和提取水印圖像中的像素點，不僅密鑰參數(shù)增加，安全性提高，而且由于構(gòu)造 的是零水印，實現(xiàn)了水印的完全不可感知性及其盲提取。其中，①充分利用了Arnold變換的 置亂特性，使水印信息均勻散亂地分布在載體圖像的整個空間中，并且密鑰數(shù)量增加，水印 的安全性提高;②利用離散小波變換和主成分分析壓縮的思想來提取原始載體圖像的特征 矩陣，運樣在提取水印時不必依賴原始載體圖像，實現(xiàn)了水印的盲提取。③在載體圖像中并 沒有嵌入真實的水印圖像，即構(gòu)造一個零水印，運使得水印的嵌入容量變大，并且提高了水 印圖像的不可感知性，在含水印信息的載體圖像受到攻擊時易于被發(fā)覺，可用于作品的完 整性檢測，此外在被攻擊時仍然可W近似恢復(fù)出水印圖像，魯棒性較強，可用于作品的版權(quán) 維護。
[0211] 本發(fā)明的基本思路在于
【發(fā)明內(nèi)容】
所述基本方案，對本領(lǐng)域普通技術(shù)人員而言，根 據(jù)本發(fā)明的教導(dǎo)，設(shè)計出各種變形的模型、公式、參數(shù)并不需要花費創(chuàng)造性勞動。在不脫離 本發(fā)明的原理和精神的情況下對實施方式進行的變化、修改、替換和變形仍落入本發(fā)明的 保護范圍內(nèi)。
【主權(quán)項】
1. 基于DWT和主成分分析壓縮的零水印嵌入方法，其特征在于，該方法包括如下步驟： 1) 置亂步驟：用Arno I d變換算法，對原始水印圖像W做η次Arno I d變換，得到置亂后的水 印圖像W ; 2) 離散小波變換步驟:對載體圖像I進行離散小波變換，提取低頻子帶即圖像的主要信 息，得到圖像〇; 3) 運用主成分分析對圖像壓縮的步驟:運用主成分分析對圖像0進行壓縮，得到與原始 水印圖像w相同大小的壓縮圖像<y; 4) 特征矩陣的獲取的步驟:將壓縮圖像亇與置亂后的水印圖像，進行異或運算，得到 矩陣C，對矩陣C進行保存。2. 根據(jù)權(quán)利要求1所述基于DWT和主成分分析壓縮的零水印嵌入方法，其特征在于，所 步驟1)中用Arnold變換算法，對原始水印圖像W做η次Arnold變換的過程為：以原始水印圖 像的位置坐標（XQ，yο)作為初值，映射為（X n，yn)，其中K XQ<N，K yο<N，按照公式?行η次迭代，得到置亂后的水印圖像礦，其中a、b、c、d和 M e為正整數(shù)，β為.//〇w_(y)，floor是向下取整函數(shù)，M為載體圖像大小，N為原始水印圖像大 N 小，η為預(yù)設(shè)值。3. 根據(jù)權(quán)利要求1所述基于DWT和主成分分析壓縮的零水印嵌入方法，其特征在于，步 驟2)中載體圖像I離散小波變換后的低頻子帶為：其中，舔為」尺度空間的剩余尺度系數(shù)序列，它是和,,丨經(jīng)過行列兩個方向低通濾波后的 輸出，對應(yīng)原始圖像信號在下一個尺度上的低頻概貌，h(x)為低通濾波器，k和m都是正整 數(shù)，1為列方向，i為行方向，57;,!為原始載體圖像在j-Ι尺度空間且未通過濾波器前的行方向 和列方向上的圖像信息。4. 根據(jù)權(quán)利要求1所述基于DWT和主成分分析壓縮的零水印嵌入方法，其特征在于，步 驟3)中對圖像0進行主成分分析壓縮的實現(xiàn)方法為： 1) 對圖像〇的原始數(shù)據(jù)進行標準化處理得到， 2) 主成分分析通過上述標準化處理公式將輸入數(shù)據(jù)矢量X1變換為新的矢量81 = Utxi，主 成分分析求解如下的本征問題:km = Cm，其中，i = 1，2，…，η，λ是C的一個本征值，Ui是相 應(yīng)的本征矢量。當(dāng)僅利用前面P個本征矢量時，主成分分析變換可以表示為S = UTX，主成分 分析變換矩陣U是按特征值λ大小排列的相應(yīng)特征向量u組成的變換核矩陣，用前k個最大的 特征值對應(yīng)的k個特征向量構(gòu)成新的變換矩陣U k做一新的變換， Sk=UkX 其中，可由k維向量Sk代替原來的nXn維向量S，即得到圖像(/。5. 基于DWT和主成分分析壓縮的零水印提取方法，其特征在于，該方法包括如下步驟： 1) 對含有零水印的載體圖像r進行離散小波變換，提取載體圖像V的主要信息即低頻 子帶，得到圖像O1; 2) 運用主成分分析將圖像&壓縮到與原始水印圖像W相同大小，得到壓縮圖像0/ ; 3) 將0/與特征矩陣C進行異或處理，得到經(jīng)Arnold變換置亂后的水印圖像W : 4) 對置亂后的水印圖像f進行反Arnold變換，最終得到水印圖像W。6. 根據(jù)權(quán)利要求5所述基于DWT和主成分分析壓縮的零水印提取方法，其特征在于，反 Arnold變換的公式為：以置亂后的水印圖像的位置坐標(xn，yn)作為初值，映射為(XQ，y〇)，其中Kx n彡N，K M.. yn<N，其中a、b、c、d和e為正整數(shù)，β為.，fl〇or是向下取整函數(shù)，M為載體圖像大小， Al N為置亂后的水印圖像大小，η為預(yù)設(shè)值。7. 根據(jù)權(quán)利要求5所述基于DWT和主成分分析壓縮的零水印提取方法，其特征在于，步 驟1)由僉有雪水印的栽優(yōu)圖僮f窗散/1、濁變換后的低頻子帶為：其中，私為j尺度空間的剩余尺度系數(shù)序列，它是X〕)經(jīng)過行列兩個方向低通濾波后的 輸出，對應(yīng)原始圖像信號在下一個尺度上的低頻概貌，h(x)為低通濾波器，k和m都是正整 數(shù)，1為列方向，i為行方向，57,:!為原始載體圖像在j-Ι尺度空間且未通過濾波器前的行方向 和列方向上的圖像信息。8. 根據(jù)權(quán)利要求5所述基于DWT和主成分分析壓縮的零水印提取方法，其特征在于，步 驟2)中對圖像O1進行主成分分析壓縮的實現(xiàn)方法為： 1) 對圖像O1的原始數(shù)據(jù)進行標準化處理得到2) 主成分分析通過上述標準化處理公式將輸入數(shù)據(jù)矢量X1變換為新的矢量81 = UtX1，主 成分分析求解如下的本征問題:km = Cm，其中，i = 1，2，…，η，λ是C的一個本征值，Ui是相 應(yīng)的本征矢量。當(dāng)僅利用前面P個本征矢量時，主成分分析變換可以表示為S = UTX，主成分 分析變換矩陣U是按特征值λ大小排列的相應(yīng)特征向量u組成的變換核矩陣，用前k個最大的 特征值對應(yīng)的k個特征向量構(gòu)成新的變換矩陣Uk做一新的變換， Sk=UkX 其口，可由k維向量Sk代替原來的nXn維向量S，即得到圖像0/。9. 基于DWT和主成分分析壓縮的零水印嵌入裝置，其特征在于，該裝置包括： 置亂裝置：用Arnold變換算法，對原始水印圖像1做11次Arnold變換，得到置亂后的水印 圖像W7 ; 第一離散小波變換裝置:對載體圖像I進行離散小波變換，提取低頻子帶即圖像的主要 ig息，得到圖像0; 第一主成分分析壓縮裝置:運用主成分分析對圖像0進行壓縮，得到與原始水印圖像W 相同大小的壓縮圖像(/; 特征矩陣獲取裝置:將壓縮圖像亇與置亂后的水印圖像，進行異或運算，得到矩陣C， 對矩陣C進行保存。10. 基于DWT和主成分分析壓縮的零水印提取裝置，其特征在于，該裝置包括： 第二離散小波變換裝置:對含有零水印的載體圖像V進行離散小波變換，提取載體圖 像疒的主要信息即低頻子帶，得到圖像O1; 第二主成分分析壓縮裝置:運用主成分分析將圖像ObE縮到與原始水印圖像W相同大 小，得到壓縮圖像0/ ; 水印像素值恢復(fù)裝置:將〇/與特征矩陣C進行異或處理，得到經(jīng)Arnold變換置亂后的水 印圖像W : 水印圖像恢復(fù)裝置:對置亂后的水印圖像W進行反Arnold變換，最終得到水印圖像W。
【文檔編號】G06T1/00GK106023056SQ201610347102
【公開日】2016年10月12日
【申請日】2016年5月24日
【發(fā)明人】孫林, 徐久成, 范黎林, 馮云芝, 李源, 王念念, 郁麗萍, 劉弱南, 張霄雨, 劉琛
【申請人】河南師范大學(xué)